区间小波变换域的2－PAM信号自适应均衡算法

1 引言为了克服数字通信尤其是无线通信中所产生的码间干扰,一般需使用均衡器。最简单的均衡器是用FIR滤波器实现并采用最小均方误差(LMS)算法的线性横向均衡器(LTE),其优点是结构简单,易于实现,缺点是收敛速度较慢。为了提高收敛速度,可以对信号作正交变换,然后在变换域中通过自正交等方法降低相关阵的条件数来提高收敛速度,比如文[2]提出的就是一种基于小波变换的自适应均衡算法。研究表明,经小波变换后信号的自相关阵近似呈稀疏带状分布,小波变换的这一优点使得它在自适应信号处理中     

基于知识的试油方案协同设计方法应用研究

为解决试油三项设计系统在实际应用中因认知水平、知识水平和实际需求不同导致的设计方案差异大、标准不统一的问题,如何以一种形式化、标准化的方式来表示试油方案设计领域知识,实现方案标准统一化,提高试油方案协同设计系统的智能性是面临的一个重要问题。在研究试油方案协同设计工作流的基础上引进知识的概念,将试油领域本体与试油方案协同设计的具体应用需求相结合提出了一种基于知识的试油方案协同设计方法。该方法介绍了试油领域本体构建、应用以及协同工作流构建等技术和方法,利用统一的知识表示,使知识与试油方案协同设计业务流程紧密关联,很好地解决了实际应用中方案标准统一化以及知识重用性的问题。目前系统在使用中,提高了方案设计的准确性和设计效率。     

两步晶化法制备介孔材料及其催化性能研究

采用两步晶化法,由MCM-22沸石前驱体合成了一种介孔材料.通过XRD、N2吸附-脱附、TEM、27A lMAS NMR以及吡啶吸附红外光谱等技术对样品进行了表征.结果显示所合成的样品不是微孔沸石与介孔材料的混合物,而是含强酸性中心、水热稳定性良好的新型介孔分子筛.利用异丙苯的裂解反应、苯和1-十二烯烃的烷基化反应,评价了其对大分子的酸催化活性,并与常规介孔材料MCM-41进行了比较.在350℃时,所合成的介孔材料和常规介孔材料MCM-41对异丙苯的裂解转化率分别为68.98%和48.80%.在210℃苯和1-十二烯烃的烷基化反应时,所合成的介孔材料和MCM-41对1-十二烯烃的转化率分别约为95.20%和86.89%,产物直链烷基苯的选择性分别约为88.11%和90.06%.结果表明所合成的介孔材料对大分子的酸催化性能优越于常规介孔材料MCM-41.     

移动装备的振动和声学特性分析

为了解决客车车身振动导致乘员室产生低频噪声的问题,在对车身骨架结构、车室腔体进行模态特性分析和对车身结构进行频响分析的基础上,运用边界元法对车室进行声场分析和车身板块贡献度分析,进而找出车内噪声声压峰值处所对应的振动频率及该峰值下的“噪声源”板块,提出对车身结构的修改建议.     

分离膜表面光接枝结构及特性研究进展

介绍了膜表面光接枝技术的研究进展,并对接枝表面结构：表面形态和接枝链长度和密度作了综述．列举了接枝表面的性质,如接触角、吸附性、功能化、蛋白质固定化、环境敏感性等的变化．     

基于完井业务流程的加权序列模式挖掘算法研究

针对完井移动平台Web访问模式中用户对整体上符合完井业务流程习惯的序列模式更加感兴趣的特点,提出一种基于完井业务流程的加权序列模式挖掘算法.通过对完井业务流程模型和完井Web访问日志作分析,确定完井业务依赖强度计算模型并作为序列的权重,同时在加权挖掘的过程中采用k-最小加权支持数技术,对PrefixSpan算法进行改进.该算法在加权挖掘的过程中可以舍弃一大批不满足业务流程的访问序列,有效地避免候选组合爆炸的发生.实验表明该算法能快速地挖掘出有意义的完井访问序列模式.     

实时三维超声心动图中二尖瓣的提取

二尖瓣的复杂结构和不规则运动特性使得自动提取非常困难,因而依据二尖瓣解剖形状的先验知识,采用人机交互方式构造符合二尖瓣生理形状的柱状区域,把该区域作为测地活动轮廓模型的区域约束项,在levelset框架下对二尖瓣进行分割提取。该方法通过对大量三维超声瓣膜进行实验,取得了良好的分割效果,能够直接准确提取三维心脏二尖瓣。     

基于IMOLD的注塑模具设计

利用SolidWorks分割线命令,在IMOLD中手动创建喷墨打印机输纸滚轴注塑模具的分型线,应用创建及修补延伸曲面功能生成完整的分形面,成功分离出模具的型芯和型腔,为在IMOLD中如何创建复杂零件注塑模具的分形面提供了一种新方法。     

基于改进LSTM神经网络的测井曲线重构方法

地球物理测井过程中,由于仪器测量或者井眼原因等经常会造成部分测井曲线失真或缺失的情况,针对失真或缺失部分测井曲线的补全与生成问题,对测井领域知识和长短期记忆神经网络(LSTM)进行了研究,提出联合领域知识与深度学习的测井曲线重构模型(DK-LSTM)。利用测井领域知识中的地层岩性特征指数筛选数据得到高质量的训练样本,并将其作为深度学习重构测井曲线的依据;构建并训练带有领域知识约束层的长短期记忆神经网络模型;基于测井曲线间的强依赖关系在重构模型中引入注意力机制,进而生成并补全测井曲线中失真或缺失的信息。实验结果表明DK-LSTM测井曲线重构模型较标准长短期记忆神经网络和串级长短期记忆神经网络具有更准确的预测效果,为测井曲线重构提供了一种新思路。     

一种增强的多粒度特征融合语义匹配模型

语义匹配作为自然语言处理任务中重要的一环,直接制约问答系统、信息检索等任务的效率。针对现有语义模型大多只以词为基本语义单元进行注意力交互,较少考虑中文中的词边界模糊和字符信息获取不足而带来的语言颗粒度对整体建模忽略的问题,提出一种增强的多粒度特征融合语义匹配模型EMGFM。首先结合BERT模型和word2vec以获得增强的字符向量表示,然后从字、词、句三种粒度进行注意力的交互,并对交互结果进行加权融合,以突出不同交互信息对整体建模的贡献。为减少交互过程中产生的信息损失,通过构造差异性来对交互信息进行信息增强。最后通过最大池化、平均池化两种方式获得文本的最终语义表示以进行匹配度的计算。该模型在CCKS问句匹配大赛中文数据集上达到了87%的正确率,相比于一些语义匹配的经典模型准确率均有提升,证明该方法确实能有效提升问句语义匹配的准确性。